柯西主值积分 1. 简介 柯西主值积分是以特殊方式定义的反常积分，其值又称为柯西主值。 2. 定义 2.1 第一类反常积分（无穷积分） 设函数 f(x)f(x)f(x) 在 (−∞,+∞)(-\infty,+\infty)(−∞,+∞) 上连续且可积，则定义第一类反常积分： ∫−∞+∞f(x)dx=limu→−∞∫ucf(x)dx+limv→+∞∫cvf(x)dx\begin{array}{c} \in 2020-09-21 Technique Math Theory Technique Math Theory 数学理论
数组中第K小的数 1. 简介 查找一个序列中的最大/最小值时间复杂度均为 O(N)O(N)O(N)，而查询一个序列中第 K(K=0⋯N−1)K(K = 0 \cdots N-1)K(K=0⋯N−1) 大的数时间复杂度最坏情况下即为排序的最好时间复杂度 O(NlogN)O(N \log N)O(NlogN)（只考虑比较排序），但利用快排的 PartitionPartitionPartition 思想也可以达到期望 2020-09-20 Technique ACM 算法 查找 Technique ACM 算法 查找
算法时间复杂度 1. 简介 算法的时间复杂度是指在问题规模为 NNN 时整个算法执行的基本语句单元次数，记为 T(N)T(N)T(N) 。 2. 分类 在算法时间复杂度分析中，常用 log−log plot\log-\log \ plotlog−log plot 图去衡量算法时间复杂度，该图横坐标为 logN\log NlogN（NNN 为问题规模），纵坐标为 logT\log TlogT（TTT 为时间 2020-09-19 Technique ACM 算法 其他 Technique ACM 算法 其他
算法时间复杂度 1. 简介 算法的时间复杂度是指在问题规模为 NNN 时整个算法执行的基本语句单元次数，记为 T(N)T(N)T(N) 。 2. 分类 在算法时间复杂度分析中，常用 log−log plot\log-\log \ plotlog−log plot 图去衡量算法时间复杂度，该图横坐标为 logN\log NlogN（NNN 为问题规模），纵坐标为 logT\log TlogT（TTT 为时间 2020-09-19 Technique ACM 算法 其他 Technique ACM 算法 其他
快速排序 【注】参考自教材「算法导论」。 1. 简介 快速排序是一种被广泛运用的排序算法，虽然其最坏情况下的时间复杂度为 O(n2)O(n^2)O(n2)，但其平均时间复杂度为 (nlog2n)(n\log_2 n)(nlog2n)，而且其常数因子非常小，所以实际情况下跑的很快。快速排序是不稳定的、原址的排序算法。 【注】实际上只要保证快排的每一层枢轴左右两边的序列大小的划分比不超过某一常数比（即与序列 2020-09-17 Technique ACM 算法 排序 Technique ACM 算法 排序
快速排序 【注】参考自教材「算法导论」。 1. 简介 快速排序是一种被广泛运用的排序算法，虽然其最坏情况下的时间复杂度为 O(n2)O(n^2)O(n2)，但其平均时间复杂度为 (nlog2n)(n\log_2 n)(nlog2n)，而且其常数因子非常小，所以实际情况下跑的很快。快速排序是不稳定的、原址的排序算法。 【注】实际上只要保证快排的每一层枢轴左右两边的序列大小的划分比不超过某一常数比（即与序列 2020-09-17 Technique ACM 算法 排序 Technique ACM 算法 排序
常见分布 XXX 表示随机变量/向量，其余小写黑体表示向量，大写黑体表示矩阵。 1. 离散分布 记 q=1−pq = 1 - pq=1−p。 概率分布 记法 累积分布函数 均值 方差 0-1 分布（伯努利分布） X∼B(1,p)X \sim B(1, p)X∼B(1,p) $$P(X = 1) = p \P(X = 0) = q$$ ppp pqpqpq 二项分布（nnn 重伯努利分布 2020-09-15 Technique Math Theory 概率论 Technique Math Theory 概率论
概述 1. 定义 监督学习方法可以为生成方法和判别方法，所学到的模型分别称为生成模型和判别模型。 生成方法由数据学习联合概率分布 P(X,Y)P(X, Y)P(X,Y)，然后求出条件概率分布 P(Y∣X)P(Y | X)P(Y∣X) 作为预测的模型，即生成模型： P(Y∣X)=P(X,Y)P(X)P(Y | X) = \frac{P(X, Y)}{P(X)} P(Y∣X)=P(X)P(X,Y) 生 2020-09-14 Technique StatisticalLearning Technique StatisticalLearning
机器学习概述 1. 定义 假设用 PPP 来评估计算机程序在某任务类 TTT 上的性能，若一个程序通过利用经验 EEE 在 TTT 中的任务上获得了性能改善，我们就说关于 TTT 和 PPP，该程序对 EEE 进行了学习。 2. 分类 机械学习 示教学习 类比学习 归纳学习（主流技术，涵盖监督学习、无监督学习等，相当于「从样例中学习」） 3. 归纳学习 3.1 符号主义 决策树：经典的决策树学习以信息论 2020-09-14 Technique MachineLearning Technique MachineLearning 机器学习
UVA437「The Tower of Babylon」 1. 题目 题目链接：UVA437「The Tower of Babylon」 。 Description Perhaps you have heard of the legend of the Tower of Babylon. Nowadays many details of this tale have been forgotten. So now, in line with the edu 2020-09-12 Technique ACM 题解 Technique ACM 题解